本书除了介绍计量经济学的概念、理论和技术等基本方法之外，详细介绍了多元时间序列和面板数据分析等内容，力求通过大量实例、经济学解释和丰富习题帮助学生理解经济计量学。特别地，本书用软件stata实现，并提供了数据、do文件、日志文件等，可以方便有效地帮助学生学习高阶内容。本书面向经济和管理专业的本科高年级学生以及研究生。

本书主要讲授了高级计量经济分析的基础内容，主要包括多元时间序列、面板数据分析、内生协变量、结构方程模型、因果推断、基本空间计量经济分析及Stata编程基础等。特别地，作者侧重计量经济学的应用分析，为每个模型方法的Stata软件实现提供了菜单操作路径和相关实现示例。本书通过理论和示例指导相结合，命令、语法、功能、数据、模型及程序步骤简洁明晰，通俗易懂。此外，本书配套的丰富例题可以有效帮助学生巩固和检验所学习的内容。

计量经济分析是经济学、管理学、教育学、医学、工学等学科领域中的主要量化分析方法。数字经济时代大数据量化分析的应用场景更为广泛与深化。Stata软件是专注于统计分析与计量经济分析的专业软件，该软件因其系统性、专业性、便利高效性与开放性的比较优势，在学界和业界获得了广泛认可，成为最主流的分析软件之一。
本书是我们教研团队总结多年教学经验，精心策划编写而成的。编写过程中，参考了Stata软件使用手册及其帮助系统和国内外主流的应用计量经济学教材，力求博采众长，为读者提供系统、前沿和专业的计量经济分析理论知识及Stata软件应用。为便于学习计量经济分析知识，熟练掌握软件应用精髓，书中多数例子的程序数据选用了Stata软件公司提供的相关数据集。在此对Stata软件公司与相关学者表示衷心的感谢。
本书主要特色如下。
（1）内容系统前沿。本书包含了完整的微观计量经济学、宏观计量经济学和空间计量经济学基础等主流计量经济分析内容，也包含了部分前沿计量经济分析内容，如结构转换模型、内生协变量、非线性面板模型、处理效应、贝叶斯估计和lasso回归等。
（2）理论与应用并重。本书内容侧重计量经济分析，以及模型方法的Stata应用。模型方法的Stata应用提供了菜单操作路径和相关实现示例。理论讲解和示例指导相结合，示例图文融合，命令、语法、功能、数据、模型与程序步骤简洁明晰，力争简明扼要、通俗易懂。
（3）分层分类学习。按照理论逻辑与实践应用层次和软件实现应用体系，可将计量经济分析划分为初级和高级两个层次的内容。其中，初级内容主要是单方程计量经济分析内容与方法，是《计量经济分析及Stata应用》（已由北京大学出版社出版）的内容，适用于研究生、本科生和零基础学习者；本书为《计量经济分析及Stata应用》的延伸，介绍高级计量经济分析内容，主要包括多元时间序列、面板数据分析、内生协变量、结构方程模型、基本空间计量经济分析等内容，适用于研究生和大数据量化分析专业人员。
与Stata软件的计量经济分析应用模块相对应，本书分为14章。这是我们教研团队依据多年的教研经验合作完成的集体成果。其中，李小平编写了第1章，崔百胜和汪传江编写了第11章，其余章节由王周伟编写。为便于学习计量经济分析方法的Stata应用，参考Stata帮助系统，本书的教辅资料配套了所有示例的do文件和数据文件，供读者自行学习和实践应用。
由于编写团队水平有限，书中错漏之处在所难免，还望广大读者批评指正，多提宝贵建议，以便在后续版本中及时更正。

编者
2024年10月

王周伟，上海师范大学投资学专业负责人，硕士生导师，中国金融工程学会理事，主要从事风险管理、投资组合管理、公司金融等领域的研究，发表文章25篇，其中在财经论丛等CSSCI来源期刊上发表15篇，主持承担省部级2项，市课题2项。出版著作教材共计4本。

前言
教学建议
第1序号 项目 考核内容 单项分值 备注
1 学习态度 　出勤、课堂问答、课堂汇报交流等 10
2 课后作业 　3次课后作业布置、1次文献研读交流等 20 　分批次布置、交流
3 实验报告 　选题与问题提出，模型方法使用准确，量化分析逻辑严谨合理，软件实现步骤清晰，结果解读准确完整，汇报交流，报告写作 20 　分批次演示交流
4 课程论文 　选题、问题提出与创新贡献，理论分析与实证研究方法，结果分析、结论启示，汇报交流，论文写作 20 　分批次汇报交流
5 期末考试 　理论知识与软件实现操作，各占50% 30 　分层分类，统一教学
序列1
1.1　多元GARCH模型1
1.2　误差修正模型12
1.3　向量自回归模型15
1.4　结构向量自回归模型20
1.5　向量误差修正模型22
1.6　向量误差修正模型的协整秩25
1.7　动态因子模型27
1.8　状态空间模型28
1.9　VAR模型的诊断和检验29
1.10　VEC模型的诊断和检验36
1.11　VAR/VEC模型预测39
1.12　脉冲响应和方差分解分析43
第2章　面板数据分析49
2.1　面板数据模型设定的Stata基本
　　　实用工具49
2.2　线性面板回归51
2.3　随机效应的拉格朗日乘子检验58
2.4　带AR（1）干扰项的面板线性回归59
2.5　随机系数广义最小二乘回归63
2.6　动态面板数据65
2.7　面板数据的删失结果71
2.8　面板数据的同期相关74
第3章　面板数据分析拓展82
3.1　面板二元结果82
3.2　面板序数结果89
3.3　面板分类结果92
3.4　面板计数结果108
3.5　广义线性面板模型 117
3.6　面板样本选择线性模型122
3.7　面板数据协整检验127
3.8　面板单位根检验130
3.9　面板折线图137
3.10　面板随机前沿模型137
3.11　面板数据模型的分位数回归估计140
3.12　面板门限回归模型151
3.13　动态面板门限回归模型156
3.14　面板平滑转换模型161
第4章　多层混合效应模型与
　　　　有限混合模型169
4.1　多层混合效应线性回归170
4.2　多层混合效应非线性回归171
4.3　多层混合效应logistic回归181
4.4　有限混合模型 185
第5章　生存分析196
5.1　风险函数196
5.2　生存数据的归并与描述分析197
5.3　Cox比例风险模型198
5.4　检验Cox比例风险模型的假设206
5.5　间隔审查的Cox比例风险模型 207
5.6　竞争风险回归207
5.7　参数生存模型208
5.8　面板数据随机效应参数生存
　　　回归模型216
5.9　多层混合效应参数生存回归模型218
第6章　内生协变量220

5.^ò21^?效应线性回归1^ò21^6.1　含内生协变量的线性回归220
6.2　含内生协变量的扩展线性回归分析223
6.3　三阶段最小二乘法229
6.4　广义矩估计法229
6.5　含连续内生协变量的probit模型231
6.6　含内生协变量的扩展probit回归233
6.7　含内生协变量的扩展有序probit回归236
6.8　含内生协变量的Tobit回归238
6.9　含内生协变量的区间回归241
6.10　含内生协变量的泊松模型估计244
6.11　含内生协变量的面板数据分析247
6.12　含内生协变量的随机效应回归253
第7章　因果推断259
7.1　处理效应分析基础259
7.2　回归调整估计法263
7.3　逆概率加权估计法265
7.4　增广逆概率加权估计法266
7.5　逆概率加权回归调整估计法268
7.6　最近邻匹配估计270
7.7　倾向性得分匹配271
7.8　双重差分模型与三重差分模型273
7.9　合成控制法293
7.10　断点回归模型297
第8章　因果推断拓展303
8.1　处理效应的控制函数估计法303
8.2　处理效应的最大似然估计307
8.3　处理效应的含内生变量和样本
　　　选择的扩展线性回归分析309
8.4　处理效应的扩展probit回归分析318
8.5　处理效应的扩展有序probit回归分析326
8.6　处理效应的含内生变量和样本
　　　选择的区间回归模型分析331
8.7　处理效应的随机效应回归分析333
8.8　处理效应的随机效应probit回归分析336
8.9　处理效应的面板随机效应有序
　　　probit回归分析339
8.10　处理效应的随机效应区间回归分析343
第9章　结构方程模型347
9.1　结构方程模型概述347
9.2　结构方程模型的构建方法348
9.3　结构方程模型的识别和估计352
9.4　结构方程模型的评价和修正353
9.5　结构方程模型与广义结构方程模型354
9.6　结构方程模型估计的Stata命令
　　　及实现355
9.7　广义结构方程模型估计的Stata
　　　命令及实现360
第10章　联立方程模型369
10.1　联立方程模型概述369
10.2　联立方程模型的识别370
10.3　多元回归371
10.4　似不相关回归372
10.5　三阶段